terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50. Purwanto, 2003.
4.3.6. Uji Normalitas
Uji normalitas sebaran dilakukan dengan Skewness Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak
normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 1 yaitu sebesar
2,58. Hasilnya diperoleh nilai c.r. multivariate diantara
2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil sebagai berikut :
Tabel 4.11. Normalitas Data
Variable min max
kurtosis c.r.
X11 2 7
0,585 1,223
X12 2 7
0,286 0,598
X13 2 7
0,615 1,287
X14 2 7
0,360 0,754
X21 2 7
1,504 3,146
X22 2 7
1,157 2,421
X23 2 7
1,280 2,678
X24 2 7
0,963 2,014
X25 2 7
0,690 1,444
Y1 2 7
0,612 1,279
Y2 2 7
0,439 0,917
Y3 2 7
0,512 1,071
Multivariate 4,038
1,129 Batas Normal
± 2,58
Sumber : Lampiran 3 Uji normalitas sebaran dilakukan dengan Kurtosis Value dari
data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi
0,01 [1] yaitu sebesar ± 2,58.
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 yaitu 1,129 itu berarti asumsi normalitas terpenuhi.
Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi dalam model SEM
menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga
data layak untuk digunakan dalam estimasi selanjutnya.
4.3.7. Evaluasi Model One-Steep Approach to SEM
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model
dan structural model yang diestimasi secara bersama-sama one – steep approach to SEM. One – steep approach to SEM digunakan bila model
dilandasi teori yang kuat serta validitas dan reliabilitas data sangat baik Hair, et,al, 1998.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 4.2. Model Pengukuran dan Struktural Base Model
MODEL PENGUKURAN STRUKTURAL Leadership, Job Motivation, Job Satisfaction
Model Specification : One Step Approach - Base Model
1
Leadership
1
Job Motivation
X11 er_1
1
X21 er_5
1 X12
er_2 1
X22 er_6
1 X23
er_7 1
Job Satisfaction
Y1 er_10
Y2 er_11
1 1
1
d_js 1
Y3 er_12
1 X13
er_3 1
X24 er_8
1 X25
er_9 1
X14 er_4
1
Sumber : Data Diolah
Tabel 4.12. Evaluasi Kriteria Goodness of Fit Indices Base Model
Kriteria Hasil
Nilai Kritis Evaluasi Model
Cm in DF 4,370
≤ 2,00
k ur ang baik Pr obabilit y
0,000 ≥
0,05 k ur ang baik
RMSEA 0,180
≤ 0,08
k ur ang baik GFI
0,832 ≥
0,90 k ur ang baik
AGFI 0,743
≥ 0,90
k ur ang baik TLI
0,853 ≥
0,95 k ur ang baik
CFI 0,887
≥ 0,94
k ur ang baik
Sumber : Lampiran 3 Dari hasil evaluasi terhadap model one step base model ternyata
dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai
dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model
ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 4.3. Model Pengukuran dan Struktural Modifikasi
MODEL PENGUKURAN STRUKTURAL Leadership, Job Motivation, Job Satisfaction
Model Specification : One Step Approach - Modification Model
1
Leadership
1
Job Motivation
X11 er_1
1
X21 er_5
1 X12
er_2 1
X22 er_6
1 X23
er_7 1
Job Satisfaction
Y1 er_10
Y2 er_11
1 1
1
d_js 1
Y3 er_12
1 X13
er_3 1
X24 er_8
1 X25
er_9 1
X14 er_4
1
Sumber : Data Diolah
Tabel 4.13. Modifikasi
Modifikasi Estimate Prob.
er _5 - - er _7 0,403 0,000
er _7 - - er _9 0,201 0,000
er _7 - - er _11 0,075 0,000
Tabel 4.14. Evaluasi Kriteria Goodness of Fit Indices Modifikasi
Kriteria Hasil
Nilai Kritis Evaluasi Model
Cm in DF 1,695
≤ 2,00
baik Pr obabilit y
0,304 ≥
0,05 baik
RMSEA 0,062
≤ 0,08
baik GFI
0,901 ≥
0,90 baik
AGFI 0,900
≥ 0,90
baik TLI
0,970 ≥
0,95 baik
CFI 0,978
≥ 0,94
baik
Sumber : Lampiran 3
Dari hasil evaluasi terhadap model one step modification
ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai
dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel
dalam model sebagaimana terdapat di bawah ini.
4.3.8. Uji Kausalitas